Büyük dil modellerinin dağıtık sistemlerde çalıştırılmasında devrim niteliğinde bir yaklaşım geliştirildi. Araştırmacılar, uzun metinlerle çalışırken yapay zekanın doğruluğunun aslında hız anlamına geldiğini keşfetti. Yanlış yanıtlar kullanıcıları yeniden deneme yapmaya zorladığında, toplam bekleme süresi önemli ölçüde artıyor. Bu sorunu çözmek için geliştirilen 'Hafif Doğruluk Farkında Yönlendirme' sistemi, ilk doğru yanıta ulaşma süresini dramatik şekilde kısaltıyor. Araştırma, özellikle uzun içeriklerle çalışan yapay zeka uygulamalarının performansını artırmak için yeni bir bakış açısı sunuyor.

Vision Language modelleri (VLM'ler), görsel ve metin verilerini birlikte işleyebilen güçlü yapay zeka sistemleri olmasına rağmen, genellikle sadece bir modaliteye odaklanma sorunu yaşıyor. Araştırmacılar, bu dengesizliği çözmek için MoIR adlı yeni bir bilgi yönlendirme sistemi geliştirdi. Sistem, eksik veya belirsiz bilgileri tespit edip diğer modalitelerden tamamlayarak, hem görsel hem de metinsel verilerin eşit şekilde değerlendirilmesini sağlıyor. Bu yenilik, yapay zekanın çok modaliteli görevlerde daha dengeli ve doğru sonuçlar üretmesini mümkün kılıyor.

Araştırmacılar, yapay zeka modellerinde hangi bilgi parçalarının önemli olduğunu belirleme konusunda bir paradoks keşfetti. Hibrit dizi modellerinde içerik tabanlı yönlendirme için 20'den fazla deney yapılan çalışmada, etkili seçici dikkat mekanizmasının mutlaka çift yönlü token karşılaştırması gerektirdiği ortaya çıktı. 200 bin ile 1,4 milyar parametre arasında test edilen 15 farklı yönlendirme mekanizması incelendi. Sonuçlar, yüksek doğrulukla çalışan sistemlerin tümünün çift yönlü karşılaştırma kullandığını gösterdi. Mamba gibi tekrarlayan modeller, bellek bankaları ve diğer alternatif yaklaşımlar yalnızca %1-29 başarı oranına ulaşabildi. Araştırma, etkili yönlendirme için iki temel bileşen tespit etti: çift yönlü bağlamlı token temsilleri ve çift yönlü karşılaştırma mekanizması.

Araştırmacılar, kurumsal yapay zeka sistemlerinde bilgi yönetimi için Context Kubernetes adı verilen yeni bir mimari geliştirdi. Bu sistem, doğru bilgiyi doğru AI ajanına, uygun yetkilerle ve güncel şekilde ulaştırma sorununu çözmek için tasarlandı. Kubernetes'in konteyner yönetimi mantığından ilham alan sistem, altı temel soyutlama, YAML tabanlı bildirim formatı ve üç katmanlı yetkilendirme modeli kullanıyor. Yapılan deneyler, sistemin dört farklı yönetişim seviyesinde test edildiğini gösteriyor: yönetimsiz RAG, ACL filtrelemeli erişim, RBAC farkında yönlendirme ve tam mimari. Her katman farklı yetenekler sunuyor ve sistemin güvenliğini artırıyor. Bu gelişme, kurumsal AI sistemlerinde bilgi güvenliği ve erişim kontrolünün nasıl daha etkili şekilde yönetilebileceğine dair önemli ipuçları veriyor.

Araştırmacılar, mikrofon dizilerinin ses alanını nasıl algıladığını gösteren 'yönlendirme vektörlerini' yapay zeka kullanarak iyileştiren yeni bir yöntem geliştirdi. Geleneksel yöntemler, sesin nesnelere çarparak saçılması gibi gerçek dünya etkilerini göz ardı ediyordu. Yeni sistem, fizik kurallarını bilen derin öğrenme algoritmaları ile Gaussian süreç regresyonunu birleştirerek bu sorunu çözüyor. Bu teknoloji, ses filtreleme ve stereo ses üretimi gibi 'artırılmış dinleme' uygulamalarında kullanılabilir. Özellikle ölçüm verilerinin düzensiz dağılımından kaynaklanan aşırı öğrenme sorununu çözerek, daha güvenilir sonuçlar elde edilmesini sağlıyor.

Araştırmacılar, Düşük Yörünge uydu ağlarında veri iletimi için yeni bir yapay zeka yöntemi geliştirdi. GraphJSCR adlı bu sistem, sürekli değişen uydu konumları ve bağlantı kalitesi karşısında hem veri yönlendirmeyi hem de anlam tabanlı kodlamayı aynı anda optimize ediyor. Geleneksel yöntemler bu iki süreci ayrı ayrı ele alırken, yeni yaklaşım graf tabanlı öğrenme kullanarak uydu ağının dinamik yapısını anlayabiliyor ve en uygun veri yolunu seçebiliyor. Bu gelişme, gelecekteki global uydu internet hizmetlerinin performansını önemli ölçüde artırabilir.

Araştırmacılar, diş hekimliğinde hasta yönlendirme kararları için geliştirilmiş ilk kapsamlı test platformunu oluşturdular. Dental-TriageBench adlı bu sistem, gerçek hasta şikayetleri ve röntgen görüntülerini birleştirerek yapay zekanın diş hekimliği alanındaki karar verme yeteneklerini ölçüyor. 246 gerçek vaka üzerinde yapılan testlerde, 19 farklı yapay zeka modeli üç genç diş hekimiyle karşılaştırıldı. Sonuçlar, yapay zekanın özellikle karmaşık vakalarda ve birden fazla tedavi alanı gerektiren durumlarda insan hekimlerden geride kaldığını gösterdi. Bu çalışma, tıbbi karar verme süreçlerinde yapay zekanın mevcut sınırlarını ortaya koyarken, gelecekteki gelişmeler için önemli bir referans noktası oluşturuyor.